La rétroaction pédagogique en médecine : description et évaluation préliminaire d'un dispositif de formation sur internet pour les médecins cliniciens
Bibliographic record
Abstract
Contexte : En médecine, la rétroaction pédagogique joue un rôle essentiel dans l'apprentissage en formation clinique à l'externat et en résidence. Ce thème est l'objet de nombreux ateliers de formation pédagogique dispensés en présence à des médecins enseignants. But : Cet article vise à décrire un dispositif de formation innovant sur la rétroaction pédagogique en médecine offert sur internet. Nous en faisons aussi une évaluation préliminaire à partir du point de vue des participants, des responsables et d'une consultante externe. Sujets/Matériel : Entre 2005 et 2006, 21 médecins superviseurs associés à l'université Laval (Québec, Canada) ont complété un dispositif de formation composé de six modules sur le Web avec un accompagnement individualisé sous forme de tutorat à distance. Résultats : Ce dispositif de formation représente une innovation pédagogique originale, utile et très appréciée dans son ensemble. La nature et la variété des exercices, ainsi que l'encadrement sous forme de tutorat figurent parmi les points forts. La principale difficulté vécue par les participants et les tuteurs fut d'avoir à écrire le contenu de leurs rétroactions plutôt que d'échanger verbalement avec leurs interlocuteurs. Conclusion : Diverses modifications seront introduites dans la nouvelle version du dispositif. Nous porterons une attention particulière aux moyens de mieux développer chez les médecins le transfert des apprentissages dans leur pratique quotidienne.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.018 | 0.035 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".